Самый быстрый способ сопоставить отпечатки пальцев?

Question

Я пытаюсь проверить, существует ли отпечаток пальца в огромной коллекции отпечатков пальцев (100 000 отпечатков пальцев). Для поиска совпадений потребуется больше времени. есть ли лучший способ поиска соответствия? возможно ли организовать отпечатки пальцев в двоичной древовидной структуре, чтобы можно было сократить количество сравнений? если да, то как мы можем это сделать? было бы полезно, если ответы будут рассмотрены на Java.

редактировать:

У меня есть все отпечатки пальцев, как .gif изображений. как я могу преобразовать изображения отпечатков пальцев в данные?

Спасибо.

Answer 1

1) Вы должны использовать алгоритм сжатия Wavelet для кодирования отпечатков пальцев в последовательности вейвлет-параметров сжатия:

0, -1, 2,4, 5.6.7.7, 32.-1.5, e.t.c.

2) Вы должны определить функцию соответствия, которая будет найти некоторые общие черты, есть два варианта:

-The геометрия подход (сравнение qudrants к qudrants, все поля расположены в непрерывных блоках на некотором пространстве алгоритма)

За:

аппаратного алгоритм сопоставления ускорено (SSE) пикселей, нормализация всех отпечатков пальцев к стандартной основе с использованием аффинного преобразования, Fe на площадь 512х512 рх

Cons:

чувствительность Hight качества отпечатка пальца (если часть искали отпечаток пальца omittet полностью)

-The топология подход (связность линий, дуги, точки останова, взаимный позиционирование друг с другом)

за:

Низкая чувствительность к углу, позиции, и качество отпечатка, могут использовать исходный масштаб и направление изображения;

Минусы:

Низкая скорость анализа, в значительной степени зависит от качества функции классификации,

3) Вы должны определить какое-то генетический алгоритм для обучения функции оценки на известный наборе отпечатки пальцев

Система знаний будет иметь возможность находить отпечатки пальцев по данному образцу, неизвестные системе, но обученные для поиска определенных различий/совпадений, повышает вероятность успешного поиска, любя вероятность вероятности ложных совпадений на Поиск.

Answer 2

Вы не можете просто провести какое-то сравнение изображений - существуют определенные способы анализа и хранения информации о отпечатке пальца, которая уже установлена, например, при учете качества отсканированного отпечатка пальца и отпечатка отпечатка пальца данные.

Я гугл для fingerprint encoding standard и придумал несколько интересных результатов, в том числе Энциклопедию биометрии, в котором упоминается «качество в различных стандартах кодирования отпечатков пальцев», и article говорить об изображении стандарте кодирования ФБР (среди прочего)

Answer 3

Это не моя область знаний (я - веб-разработчик), но я думаю, вы должны изучить нейронные сети. Однажды я загрузил демо-код и немного экспериментировал с распознаванием символов. Было удивительно видеть, как у нейронной сети, которую у меня была установка, можно было распознать символы, которые я рисовал на экране. Но прежде чем он смог это сделать, ему сначала пришлось учиться (обратное просвещение).

Вот слайд-шоу, который обеспечивает схему: http://www.slideshare.net/alessandrobaffa/fingerprints-recognition-using-neural-networks

Последний слайд содержит дополнительные ссылки.

Удачи вам!

/Томас Кан

Answer 4

Я знаю, что этот вопрос был задан 4 года назад, однако многие люди смотрят его и для зрителей, я думаю, что мой ответ может быть полезным.

Есть несколько вопросов, которые задают: - 1) Есть ли способ поиска отпечатков пальцев как можно быстрее для крупномасштабных баз данных?

Ans: Yes - Перед тем, как сопоставить отпечаток пальца, вам предстоит пройти важный шаг. Этот процесс представляет собой классификацию отпечатков пальцев, которая подразделяется на исключительную классификацию и непрерывную классификацию. Эксклюзивная классификация проще реализовать, поскольку вы определяете шаблон отпечатка пальца, известный как класс, и сравниваете его только с отпечатками пальцев в базе данных того же класса. Это сделано для ускорения сопоставления отпечатков пальцев.

Ссылка, созданная Питер kovesi ниже приводится код для поля ориентации и извлечения мелочей для согласования: - http://www.csse.uwa.edu.au/~pk/research/matlabfns/#fingerprints сингулярных обнаружений точки и ориентации полей помогает в идентификации классов. Его можно найти по ссылке.

2) Как преобразовать изображения отпечатков пальцев в данные? Ans: Хорошо, неважно, в каком формате изображение, я использую tiff. Вам нужно знать, что отпечатки пальцев состоят из хребтов и долин. Риджи представлены более темной линией. Вам нужно применить что-то, называемое сегментацией хребта, чтобы отбросить фон и извлечь только хребты. Это сохраняется в маске.

3) «существующее изображение и изображение, которое сканируется обыкновение быть точно похоже, что это моя проблема.»

Ans: влияет ли это шум, вращение, перевод и т.д. Снижение шума, методы повышения использования. Для вращения используйте контрольные точки и выровняйте отпечатки пальцев.

Я знаю, что это краткий обзор, однако я надеюсь, что он укажет, что вы находитесь в правильном направлении. Удачи!

Answer 5

Я не могу комментировать наилучший подход, полностью соответствующий DIY, но у меня есть много опыта работы на местах в этой области. Все крупные (дорогие!) Коммерческие продукты имеют 2 или более алгоритмов для сопоставления отпечатков пальцев на больших наборах данных.Некоторые из них используют классы отпечатков пальцев (loop, whorl и т. Д.), Чтобы сделать некоторую предварительную фильтрацию, но в целом отпечатки пальцев не индексируются очень хорошо, вам придется переборщить ее разумным способом. Именно здесь вступают в действие несколько алгоритмов.

Существует несколько классов алгоритмов, которые могут очень быстро сравнивать отпечатки пальцев (форма хребта), но очень восприимчивы к ошибкам, поэтому сами по себе не являются достаточно точными, чтобы сделать правильную идентификацию в базах данных с разумным размером. Таким образом, эти алгоритмы обычно развертываются как первый этап. Если алгоритм сомневается, он переходит к следующему этапу. Это может быть некоторый алгоритм «среднего класса», например. спектральные мелочи или «медленный », точный алгоритм, например. что фактически сравнивает все мелочи. Чистый эффект заключается в том, что вторичные этапы обычно корректируются для большинства ложных приемников первого этапа. Единственный неисправимый убыток - это ложные отклонения на первом (и втором) этапе. В зависимости от области приложения это может быть незначительным или довольно высоким. Это компромисс между точностью и производительностью. В нашей собственной тестовой среде мы видели скорость более 100.000.000 отпечатков пальцев в секунду таким образом на одном рабочем столе, решая исходную проблему в ~ 1 мс. Это, однако, сложный, дорогой и очень специализированный программный продукт.

Answer 6

Согласование отпечатков пальцев, если вы хотите, чтобы точность была лучше всего сделана с использованием проверенных и достоверных методов, которые используют практически все автоматические алгоритмы сопоставления отпечатков пальцев.

Выделите minutia точки и сохраните их местоположение и другие данные в шаблоне, а затем используйте статистический анализ относительного позиционирования данных minutia в двух шаблонах, чтобы рассчитать оценку того, насколько близко совпадают два шаблона.

Использование этой техники часто требует учета таких вещей, как различия в повороте и области пальца, поскольку они были помещены на сканер отпечатков пальцев для каждого показа.

Биометрические алгоритмы не идеальны, и производительность измеряется их False Accept Rate (FAR) и их False Reject Rate (FRR). Эти две меры обратно связаны друг с другом, а это означает, что по мере увеличения безопасности (уменьшения FAR) вы увеличиваете FRR.